如何在python中对3d数组进行集群？

我必须聚集一个3d阵列，看起来像这样

a=([[[1,2,3],[4,5,6],[7,8,9]],[[1,4,7],[2,5,9],[3,6,8]]])

假设此数组表示时间序列中三角形的坐标，因此第一个2d数组表示第一帧中顶点的坐标，第二个数组表示第二帧中的坐标，依此类推。 我需要及时对三角形的位置进行聚类，但是scikit-learn的聚类算法只适用于2d阵列。我已经对3d阵列进行了重塑以获得此效果

b=([[1,2,3,4,5,6,7,8,9],[1,4,7,2,5,9,3,6,8]])

但是聚类算法的性能很差（请注意，三角形就是一个例子，我必须对更复杂图形的位置进行聚类，因此2d数组中点的维数非常高）。

---

所以我想知道，除了重塑和降维技术之外，是否还有其他方法可以对3d阵列进行聚类。我读过，在距离矩阵中转换3d阵列可能是一个解决方案，但我真的不知道如何做到这一点。如果有人对如何解决这个问题有任何建议，我会非常感谢你的帮助

聚类算法对矩阵使用这种格式：

n个样本，n个特征

所以在你的例子中，你的n_样本是你在时间上的位置，你的n_特征是你的坐标。我假设你试图找到你的形状在不同时间的平均位置。对于这类任务，我建议您计算形状的中心点。像这样，无论形状如何，你都有一点在物体的中间横跨时间跟踪。这比试着追踪物体上的所有角落更有意义，我假设物体可以旋转

---

希望有帮助

聚类算法对矩阵使用这种格式：

n个样本，n个特征

所以在你的例子中，你的n_样本是你在时间上的位置，你的n_特征是你的坐标。我假设你试图找到你的形状在不同时间的平均位置。对于这类任务，我建议您计算形状的中心点。像这样，无论形状如何，你都有一点在物体的中间横跨时间跟踪。这比试着追踪物体上的所有角落更有意义，我假设物体可以旋转

---

希望有帮助

如果你传递一个3d数组，它将返回“ValueError:找到带dim 3的数组。预计使用哪个估计器？谢谢你的回答，这是我使用的代码kmeans=kmeans（n_clusters=25，random_state=0）。拟合（Y）如果你传递一个3d数组，它将返回“ValueError:找到带dim 3的数组”。估计器需要哪个估计器？谢谢你的回答，这是我使用的代码kmeans=kmeans（n_clusters=25，random_state=0）。拟合（Y）